AI伺服器CPU供不應求，台灣科技業留意新商機

30 秒看重點

• 事件：AI伺服器CPU供不應求，價格飆漲。
• 意義：告別「唯GPU論」，CPU成為AI運算新瓶頸。
• 影響：台灣廠商有機會搶食CPU基建和周邊零組件商機。

AI伺服器CPU為何突然變搶手？

過去談到AI，大家第一個聯想到的就是GPU（繪圖處理器），因為GPU擅長處理大量的平行運算，這對訓練大型AI模型至關重要，像是NVIDIA的GPU就成了AI軍備競賽中的搶手貨。然而，隨著AI應用越來越廣泛，從雲端訓練到終端推論，都對運算效能提出了更高要求。簡單來說，GPU就像是AI模型的「大腦」，負責高速思考和處理龐雜的資訊；但AI系統的「骨架」和「神經系統」，也就是CPU（中央處理器），卻扮演著調度、溝通和協調的角色，它們的效能跟不上GPU的腳步，就會讓整個AI系統像個身體不協調的人，無法發揮最大潛力。

現在，AI模型的規模持續擴大，需要更強大的CPU來管理和分發任務給GPU，同時也需要CPU來執行一些GPU不擅長的運算，例如邏輯判斷、資料處理等。這就造成了CPU成為新的「馬leneck」，即使GPU再強大，也無法順暢運轉。加上，部分AI伺服器廠商為了追求更快的AI推理速度，開始調整硬體架構，讓CPU在其中扮演更關鍵的角色，進一步推升了對高效能伺服器CPU的需求。如此一來，原本相對穩定的伺服器CPU市場，突然出現供不應求的狀況，價格自然水漲船高，部分型號甚至出現高達40%以上的漲幅，這證明了AI時代的運算架構，已經進入了CPU和GPU互相支援、缺一不可的新階段。

台灣怎麼看這件事？

這波AI伺服器CPU的漲價潮，對台灣科技業來說，絕對是個不能忽視的訊號。過去，台灣在GPU的散熱、電源管理、伺服器代工等領域扮演著重要角色，像是鴻海、廣達、仁寶等ODM廠，都是全球伺服器組裝的大戶。現在，CPU的緊俏，意味著這些台灣廠商有機會在AI伺服器基建的「骨架」上，爭取到更多訂單。特別是那些專注於高效能伺服器設計、散熱解決方案、或是與CPU相關的零組件廠商，像是散熱模組廠、電源供應器廠，甚至是有能力進行伺服器主機板設計的公司，都有可能受惠。

此外，這也促使台灣廠商更深入思考，如何從單純的組裝代工，往更高附加價值的設計、整合、甚至軟體服務方向發展。例如，與CPU廠商合作，開發更具彈性、能適應不同AI工作負載的伺服器解決方案。同時，這也提醒我們，在AI的運算生態系中，不能只看到GPU的光芒，CPU的穩定供貨與效能提升，同樣是推進AI技術發展的關鍵。台灣在半導體產業鏈中的深厚實力，將有助於我們在這波CPU需求浪潮中，扮演更吃重的角色，甚至開創新的成長曲線。

編輯觀點

「CPU漲40%」這則新聞，讓我看到的不是單純的供需失衡，而是AI運算架構正在經歷一場「骨架重塑」的革命。過去幾年，市場上充斥著「AI就是GPU」的論調，許多人只關注GPU的先進製程和強大算力。然而，CPU作為運算系統的核心指揮官，其重要性被嚴重低估了。這次的CPU短缺，正狠狠地打臉了這種單一化的思維。台灣的科技業，一直以來都以靈活應變著稱，現在正是展現這種彈性的時刻，我們不能錯過這塊AI基建的「新藍海」。

常見問題

什麼是CPU和GPU？它們在AI中扮演什麼角色？

CPU（中央處理器）像是AI系統的「大腦總管」，負責處理指令、邏輯判斷和協調各項工作。GPU（繪圖處理器）則像AI的「高速計算專員」，擅長同時處理大量數據，非常適合訓練AI模型。

為什麼AI伺服器CPU會突然缺貨？

AI模型越來越複雜，需要更強大的CPU來管理運算任務、處理資料，以及與GPU協同工作。當CPU的效能跟不上GPU時，就會形成瓶頸，導致需求大增而供給不足。

這對台灣的科技業有什麼影響？

台灣廠商在伺服器代工、散熱、電源等領域有優勢，CPU缺貨可能增加這些零組件和組裝的訂單。同時，也鼓勵台灣業者往更高附加價值的設計與整合服務發展。

「唯GPU論」是什麼意思？

「唯GPU論」是指過去在AI領域過度強調GPU的重要性，認為所有AI運算都只靠GPU就能解決，而忽略了CPU等其他關鍵元件的配合與效能。

我一般人會不會受到AI伺服器CPU漲價影響？

短期內，你可能不會直接感受到CPU漲價的影響。但長期來看，這有助於AI技術的發展，未來你使用的AI服務（如AI聊天機器人、AI圖像生成）可能會變得更強大、更普及，這也是間接的好處。

名詞小教室

伺服器 (Server)

就像是網路上提供服務的「超級電腦」，專門為許多使用者同時處理大量資訊和任務。

AI 模型 (AI Model)

經過大量數據訓練後，能執行特定任務（如辨識圖片、生成文字）的AI「大腦程式」。

推論 (Inference)

AI模型在訓練完成後，實際運用於解決問題的過程，像是讓AI辨識你拍的照片。